混元基座模型-AI Infra 智能研发 Benchmark 与训练任务构建

课题背景： 大模型正在从通用代码生成走向专业系统研发。AI Infra 涉及 GPU Kernel、编译优化、分布式训练、推理引擎和性能调优，是验证模型复杂工程能力的重要前沿场景。与普通代码任务不同，AI Infra 代码不仅需要“能运行”，还必须满足数值正确性、性能效率、硬件适配和系统稳定性等要求。当前通用代码 Benchmark 难以衡量这些能力：任务通常规模较小，缺少真实硬件反馈，也无法覆盖从问题定位、方案设计到实现和性能验证的完整研发链路。 因此，我们希望构建可执行、可量化、可复现的 Benchmark 与训练任务体系，形成「任务构建—模型训练—能力评测—真实反馈—数据迭代」闭环，推动大模型从代码补全工具演进为 AI Infra 研发 Agent。 课题挑战： 真实任务的抽象与规模化构建；正确性与性能的多维评测；硬件相关评测的稳定性与公平性；长链路、仓库级 Agent 能力评估；训练任务与奖励信号设计；数据污染与泛化能力。 具体工作： 构建面向 AI Infra 智能研发的 Benchmark 和训练任务平台；设计 Triton/CUDA Kernel 编写、算子融合与性能优化任务；构建训练框架、推理引擎和分布式系统的仓库级研发任务；建设 GPU 沙箱、自动测试、性能测量和结果判定基础设施；建立覆盖正确性、性能、稳定性、可移植性和代码质量的评测体系；将真实 Issue、性能瓶颈和框架需求转化为可验证的训练任务；设计基于编译、测试、Profiler 和硬件执行反馈的奖励机制；研究任务自动生成、难度分级、数据去污染和能力泛化评估；推动 Benchmark 与 SFT、RL及 Agent 训练闭环，持续提升模型解决真实 AI Infra 问题的能力。

学历和专业要求： 机器学习/人工智能/计算机等相关专业硕士以上学历； 技术技能要求：

1. 01

   熟悉主流训练和推理框架PyTorch、Megatron、vLLM、SGLang等，掌握3D并行、ZeRO机制、Flash-Attn、kvcache、量化、投机采样、算子优化等的原理、使用场景、优劣势以及可优化方向；

2. 02

   精通RL、Agent训练流程，在框架开发和优化上有深入实践，在稳定性、大规模训练上有相关经验的优先，在低精度训练、收敛稳定优化有相关经验的优先； 软性素质要求：

3. 01

   对大模型、强化学习前沿技术比较敏锐者优先；

4. 02

   良好的沟通能力、解决问题能力，具备强烈的进取心、自驱力及跨领域学习能力，团队合作精神极佳。